Quiz lié à un guide · Moyen Niveau

Quiz sur l'IA dans la lecture labiale et la reconnaissance visuelle de la parole

Testez les signaux visuels de la parole, l’ambiguïté du visème, la fusion audio-vidéo, les caractéristiques temporelles, le traitement de la région buccale et l’alignement CTC dans les modèles de lecture labiale.

Question 1 de 8

What ambiguity does a viseme grouping describe in visual speech recognition?

Prévisualisez chaque question8 des questions

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

  1. What ambiguity does a viseme grouping describe in visual speech recognition?
    • Every sound has a uniquely recoverable image in every frame
    • A camera directly measures a word's meaning
    • Different speech sounds can share similar visible mouth movements
    • The speaker's filename determines the phoneme sequence
  2. How can a visual stream help an audio-visual recognizer when acoustic noise increases?
    • It guarantees correct recognition regardless of occlusion or lighting
    • It can supply additional visible articulation cues when the audio is degraded
    • It removes every need to evaluate the fusion model
    • It makes the acoustic signal physically noiseless
  3. Qu’est-ce que le frontal convolutif 3D dans un modèle de lecture labiale aide à capturer ?
    • La couleur des yeux de l'orateur
    • La température ambiante
    • L'accent du locuteur à l'écrit
    • Modèles de mouvement à court terme sur des images consécutives
  4. Which capture conditions can hide information needed by a visual-speech model?
    • Head turns, poor lighting, or an obstruction over the mouth
    • A clear frontal view as the only guaranteed failure condition
    • A rule that higher resolution removes all ambiguity
    • An audio file's compression setting with no effect on the video
  5. What evaluation scope should be attached to the original LipNet sentence-recognition results?
    • Every spontaneous real-world conversation in every language
    • The constrained GRID benchmark used in the study
    • A guarantee that all professional lip readers are always outperformed
    • Only written text with no visual speech input
  6. Une préoccupation sociétale majeure concernant l’IA de lecture labiale est la suivante :
    • Il consomme trop d'électricité
    • Il ne peut pas fonctionner sur des ordinateurs
    • Une utilisation secrète permet une surveillance sans consentement
    • Cela ne fonctionne que dans une seule langue
  7. Why might a visual-speech pipeline crop a mouth-centered region before temporal modeling?
    • To focus processing on relevant articulation rather than unrelated image background
    • To remove the need for any information about movement
    • To guarantee that every phoneme becomes visually unique
    • To supply the final transcript directly from the crop coordinates
  8. What alignment requirement does CTC avoid in the LipNet training setup?
    • All transcript-level training targets
    • All observations of the speaker's mouth
    • Every temporal dependency in the recognition problem
    • A supplied character label for every individual video frame